基于改进SIFT的高鲁棒性特征点提取方法

《基于改进SIFT的高鲁棒性特征点提取方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、航空学报ActaAeronauticaetAstronauticaSinicaDec．252012V01．33No．122313-2321ISSN1000，6893CN11-1929／Vhttp：／／hkxb．buaa．edu．cnhkxb@buaa．edu．cn文章编号：1000—6893(2012)12—2313—09基于改进SIFT的高鲁棒性特征点提取方法邰能建，吴德伟*，戚君宜空军X-程大学信息与导航学院，陕西西安710077摘要：为实现无人作战飞机(UCAV)认知导航的高鲁棒性特征点提取，提出一种基

2、于自适应非极大值抑制(ANMS)的多元量化Hessian—Affine迭代式尺度不变特征变换(SIFT)方法。针对认知导航对特征点均匀分布的需求，提出基于ANMS的初始特征点优选算法。为确保特征点的仿射不变性，利用引入迭代调节因子的HessianAffine迭代算法估计仿射不变区域，并在对应归一化圆形区域进行主方向确定以及圆形描述子生成。针对模拟特征序列分布不均匀、正确匹配率不高的缺陷，采用多值量化与比特抽取结合法对模拟特征序列进行多元量化，并且分析验证了该方法的优越性能。仿真结果表明，本文方法具有较高的正确

3、匹配率，具有旋转不变性和尺度不变性，其抗噪性能提高了10dB，并且在大视角变化范围内具有较优的抗仿射性能。关键词：认知导航；迭代SIFT；仿射不变；量化；自适应非极大值抑制中图分类号：V279文献标识码：A无人作战飞机(UnmannedCombatAerialVehicle，UCAV)认知导航[11通过感知外界环境，模拟人类海马(Hippocampus)机理实现UCAV在最优航迹上的高精度智能自主导航。神经启发模型[2。4]基于海马机理，利用神经网络模型学习和辨识路标集合实现认知导航，为UCAV认知导航研究提

4、供了参考。该模型中路标的鲁棒性直接决定了认知导航的性能，其产生方法是：使用单尺度高斯差分(DifferenceofGaussian，DoG)滤波提取特征点，以各特征点为中心取一定大小的图像块，再进行log—polar变换产生路标。该方法具有一定的旋转和尺度不变性，但不适用于UCAV认知导航：首先，UCAV具有空中高机动性，其盘旋、升降、格斗等过程都会带来图像污染，甚至尺度、仿射特征变化，使用单尺度DoG滤波提取的特征点难以满足UCAV认知导航需求；其次，以特征点周围的图像区域作为路标，在特征点密集时容易重叠，

5、不易识别。为此，本文提出一种高鲁棒性的特征点提取方法，为基于特征点的UCAV认知导航研究提供稳健的环境信息。Mikolajczyk和Schmid[5]对多种特征点提取方法的性能对比表明：当照明、仿射、模糊等变换程度较大时，尺度不变特征变换(ScaleInvariantFeatureTransform，SIFT)[6]算法最稳定、性能最佳。但SIFT算法存在缺陷：首先，该算法提取的特征点较多，匹配时存储空间大、耗时多，而认知导航需要部分分散的稳健特征点；其次，SIFT采用多尺度DoG检测子，利用圆形窗进行特征点

6、主方向确定，采用矩形或圆形描述子生成特征点向量，具有尺度、旋转不变性，但不能完全满足仿射收稿日期：2011—12—30；退修日期：2012—02．09：录用日期：2012-04—09；网络出版时间：2012．04—2716：17网络出版地址：WWW．cnki．net／kcms／detail／111929．V．20120427．1617．010．hlmJ基金项目：国家自然科学基金(61273048，61001111)；国防科技重点实验室资助项目(914000201010902)*通讯作者Tel：029—8479

7、1529E-mail：wudewei74609@126com引用格武{TaiNJ．WuDW．QiJY．AmethodtoextracthighrobustkeypointsbasedonimprovedSIFT．ActaAeronauticaetAstronauticaSinica，2012，33(12)：2313-2321．都能建。吴德伟．戏君宜基f改进SIFT的高鲁棒性特征点提取方法航空学报，2012．33(12)：2313—2321．航空学报DOC．252012VoI33No．12不变性要求；再者，SI

8、FT算法用128维小数向量表示，匹配时耗时多、正确匹配率不高。迭代SIFT算法[71具有特征点个数可设定、运算量小等特点，但抗仿射性能不佳；基于自适应非极大值抑制(AdaptiveNon-MaximalSuppression，ANMS)的SIFT[83算法能够产生分布较均匀的少量特征点，但特征点个数不可预先设定、对比运算较复杂。本文提出一种基于ANMS的多元量化Hes—sian-Affine迭代SI